2019年8月24-26日，第三屆圖像計(jì)算與數(shù)字醫(yī)學(xué)國際研討會(huì)（ISICDM 2019），在西安索菲特酒店召開。研討會(huì)由國際數(shù)字醫(yī)學(xué)會(huì)與國家天元數(shù)學(xué)西北中心聯(lián)合主辦，西安電子科技大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院與空軍軍醫(yī)大學(xué)（第四軍醫(yī)大學(xué)）生物醫(yī)學(xué)工程學(xué)院聯(lián)合承辦。
雷鋒網(wǎng)第三次作為大會(huì)首席合作媒體，全程參與ISICDM的報(bào)道。
本屆論壇中，中國科學(xué)院院士徐宗本教授、美國工程院院士John Gore教授，加拿大皇家科學(xué)院院士Terry Peters教授，英國皇家科學(xué)院院士郭毅可教授，四位院士蒞臨本次大會(huì)。
與此同時(shí)，MRI主編（美國工程院院士John Gore教授）、Medical Image analysis主編（耶魯大學(xué)James Duncan教授）、IEEE TBME主編（芝加哥大學(xué)潘曉川教授）也會(huì)在大會(huì)的多個(gè)環(huán)節(jié)中發(fā)言。
會(huì)議開始前，ISICDM大會(huì)發(fā)起人、電子科技大學(xué)李純明教授向雷鋒網(wǎng)表示，“今天我在現(xiàn)場(chǎng)看到不少比較熟悉的面孔，很多都是往屆的觀眾，前兩年他們從全國各地飛到成都，今年又跟隨ISICDM的腳步來到西安，這讓我非常感動(dòng)。其實(shí)讓觀眾形成參會(huì)粘性是一件比較困難的事情，需要組織方在各個(gè)環(huán)節(jié)保證內(nèi)容的前沿性、新穎度、深刻性和獨(dú)特性，同時(shí)需為多方創(chuàng)造一個(gè)絕佳的條件進(jìn)行跨學(xué)科探討。ISICDM已連續(xù)舉辦三屆，在這方面始終沒有讓講者和觀眾失望。我認(rèn)為這也與我們一直秉承的‘促進(jìn)理工醫(yī)交叉融合，激發(fā)產(chǎn)學(xué)研協(xié)同創(chuàng)新’理念密不可分，無論未來的技術(shù)趨勢(shì)如何變化，無論研究方法多么多元，‘理工醫(yī)交叉融合，產(chǎn)學(xué)研協(xié)同創(chuàng)新’永遠(yuǎn)是這一領(lǐng)域發(fā)展的生命線，只要我們圍繞這一根基不斷縱深，它所釋放出來的能量密度是無窮無盡的?！?/p>
在前一天進(jìn)行的81個(gè)專題報(bào)告頭腦風(fēng)暴下，8月25日，大會(huì)第二天迎來了更多重量級(jí)的學(xué)術(shù)泰斗級(jí)人物。當(dāng)天共進(jìn)行了9大主題報(bào)告，內(nèi)容包羅萬象，從醫(yī)學(xué)成像到圖像分析再到臨床應(yīng)用。不少嘉賓也談到了未來醫(yī)療AI的重要研究方向，如機(jī)器學(xué)習(xí)自動(dòng)化、知識(shí)模型、深度學(xué)習(xí)的正則化等。
會(huì)議初始，由西安電子科技大學(xué)副校長高新波教授，空軍軍醫(yī)大學(xué)副校長王生成，ISICDM大會(huì)主席之一、加拿大皇家科學(xué)院院士Terry Peters教授，美國工程院院士、磁共振成像（MRI）期刊主編John Gore做開幕致辭。
中國科學(xué)院院士徐宗本
作為此次大會(huì)的名譽(yù)主席和開場(chǎng)報(bào)告嘉賓，中國科學(xué)院院士、西安交通大學(xué)教授徐宗本發(fā)表了題為《醫(yī)學(xué)人工智能與大數(shù)據(jù)》的演講。
徐宗本院士談到，AI從“可以用”到“很好用”，還有很長的路要走。當(dāng)前的人工智能，更多停留在“人工化“的階段，而在未來要完成從”人工化“到”機(jī)器學(xué)習(xí)自動(dòng)化”再到“自主化”的演變。
其中，機(jī)器學(xué)習(xí)自動(dòng)化是徐院士團(tuán)隊(duì)近些年重點(diǎn)探索的方向之一，實(shí)現(xiàn)自動(dòng)化，需讓機(jī)器自助完成生成數(shù)據(jù)、自動(dòng)選擇數(shù)據(jù)、自動(dòng)產(chǎn)生神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、自動(dòng)訓(xùn)練數(shù)據(jù)和自動(dòng)切換任務(wù)等環(huán)節(jié)。
隨后，他指出了當(dāng)前醫(yī)學(xué)影像分析的三大技術(shù)局限性現(xiàn)狀：
1.經(jīng)驗(yàn)+案例仍是基本模式。
2.醫(yī)學(xué)影像分析主要基于圖像處理方法（基礎(chǔ)計(jì)算機(jī)視覺方法），然而通用圖像處理技術(shù)并不夠有效：無法從源頭可控與圖像分析一體化的角度處理；通常用剛體的圖像處理方法處理柔性對(duì)象；用二維處理像素的方法處理點(diǎn)云；用常規(guī)信息融合方法處理有明顯醫(yī)學(xué)意義的多模態(tài)（結(jié)構(gòu)、功能、代謝）/多序列問題。
3.疾病輔助診斷主要基于深度學(xué)習(xí)+大數(shù)據(jù)，但深度學(xué)習(xí)也存在諸多問題：用本質(zhì)需要大樣本的技術(shù)來解決小樣本問題，用不穩(wěn)健、解決困難的方法來解決具有普適性、需解釋的問題。
針對(duì)這些問題，徐宗本院士談到了他們團(tuán)隊(duì)正在研究的三大醫(yī)學(xué)影像AI新技術(shù)：誤差建模原理與低劑量CT成像、模型驅(qū)動(dòng)的深度學(xué)習(xí)與快速M(fèi)R成像、分布式醫(yī)學(xué)影像中心系統(tǒng)與技術(shù)。
最后，他希望借助這三類新技術(shù)，在未來可實(shí)現(xiàn)CT劑量因人而異的醫(yī)療普惠目標(biāo)。
加拿大衛(wèi)生科學(xué)院院士Aaron Fenster
第二位演講嘉賓是加拿大衛(wèi)生科學(xué)院院士、西安大略大學(xué)教授Aaron Fenster。Aaron Fenster是三維超聲發(fā)明人以及超聲手術(shù)導(dǎo)航技術(shù)的開創(chuàng)者，2013年，被國際醫(yī)學(xué)物理組織評(píng)選為過去50年中世界前50名醫(yī)學(xué)物理學(xué)家之一。
Aaron Fenster在大會(huì)中介紹到，為了減少操作員對(duì)PBSI的依賴，他們團(tuán)隊(duì)開發(fā)一種三維超聲導(dǎo)針跟蹤系統(tǒng)，該系統(tǒng)可提高手術(shù)導(dǎo)針可視化度、針位精度，并提供修改治療計(jì)劃所需的信息。
這套三維超聲系統(tǒng)可以提供一個(gè)便捷和多用途的方法，在術(shù)中使用自動(dòng)分針技術(shù)，提升導(dǎo)針實(shí)時(shí)可視化的效果。未來，他們將重點(diǎn)聚焦導(dǎo)針分割算法、誤差對(duì)劑量的影響、MRI到三維超聲的管理。
最后，Aaron Fenster為三維超聲產(chǎn)學(xué)兩界提出了個(gè)人的建議，希望未來要重視研究不受環(huán)境限制、準(zhǔn)確評(píng)估三維導(dǎo)針軌跡、所有區(qū)域?qū)п樋梢暬⒁约芭c所有傳統(tǒng)超聲系統(tǒng)兼容的方法。
加拿大皇家科學(xué)院院士Terry Peters
緊接著，加拿大皇家科學(xué)院院士、加拿大衛(wèi)生科學(xué)院院士Terry Peters，發(fā)表了演講《Augmented Reality and Ultrasound for Image-guided Interventions》。
作為世界著名的神經(jīng)與心臟微創(chuàng)手術(shù)圖像引導(dǎo)科學(xué)家，Terry Peters曾多次擔(dān)任醫(yī)學(xué)影像頂會(huì)MICCAI大會(huì)主席。
Terry Peters指出，在過去20年中，圖像引導(dǎo)手術(shù)系統(tǒng)已被廣泛應(yīng)用在外科當(dāng)中，而增強(qiáng)現(xiàn)實(shí)系統(tǒng)可以把計(jì)算機(jī)生成的2D或3D圖像疊加在用戶可視的真實(shí)世界。
他在演講中強(qiáng)調(diào)，介入治療應(yīng)做到通過小切口進(jìn)入身體、避免大面積傷口、減少感染、提高治療效果和恢復(fù)速度、減少住院時(shí)間、增加病人舒適、盡量減少途中的組織損傷等標(biāo)準(zhǔn)。
而在這過程中，則面臨著諸多技術(shù)挑戰(zhàn)，如跟蹤、產(chǎn)品審批、器官運(yùn)動(dòng)糾正、導(dǎo)航、可視化等問題。
Terry Peters團(tuán)隊(duì)建立了一個(gè)系統(tǒng)，將患者的心臟搏動(dòng)MRI與超聲波融合，并以3D的方式顯示。
相關(guān)方案可實(shí)現(xiàn)程序運(yùn)行超聲、跟蹤和AR顯示，滿足護(hù)理標(biāo)準(zhǔn)，且不需要x射線或x射線造影劑，可為心臟瓣膜介入治療提供更便宜、便捷的解決方案。
最后，Terry Peters對(duì)產(chǎn)學(xué)兩界的機(jī)遇進(jìn)行了總結(jié)和展望：
1.微創(chuàng)影像引導(dǎo)介入是一個(gè)快速發(fā)展的領(lǐng)域
2.在進(jìn)行研究投入之前，一定要評(píng)估項(xiàng)目是否有高回報(bào)
3.是否需要改變商業(yè)模式：傳統(tǒng)的低成本、低技術(shù)產(chǎn)品將無法獲得高利潤
4.引入不斷進(jìn)步的技術(shù)：如可視化/成像：頭戴式AR、多光譜MR、超聲、改善人機(jī)交互界面
5.深入?yún)⑴c人類因素/心理物理研究：開發(fā)出讓人們更易上手的使用新產(chǎn)品。
中國科學(xué)技術(shù)大學(xué)附屬第一醫(yī)院副院長劉新峰
上午場(chǎng)的收尾演講是《腦血管狹窄的血流動(dòng)力學(xué)評(píng)估》，由中國科學(xué)技術(shù)大學(xué)附屬第一醫(yī)院副院長劉新峰發(fā)表。
劉新峰談到，現(xiàn)行血運(yùn)重建模式有著一定的局限性，通俗講便是：該治的沒治、不該治的治了、額外增加了手術(shù)風(fēng)險(xiǎn)。
該治的沒治：超過一半的卒中患者，狹窄程度達(dá)不到現(xiàn)行的治療標(biāo)準(zhǔn)。
不該治的治了：北曼哈頓卒中研究顯示，7%卒中是由于頸動(dòng)脈狹窄本身所致。
增加手術(shù)風(fēng)險(xiǎn)：現(xiàn)有血管重建的并發(fā)癥為5%左右。
隨后，劉新峰談到了腦血管病防治工作的關(guān)鍵問題，主要分為以下幾個(gè)環(huán)節(jié)：血管評(píng)估病例篩選——解剖學(xué)狹窄——功能性狹窄：篩選出高風(fēng)險(xiǎn)病例、減少手術(shù)并發(fā)癥。
目前腦血管“功能性狹窄”的評(píng)估技術(shù)為經(jīng)顱多普勒超聲（TCD）與CT/MR灌注成像，前者的優(yōu)勢(shì)是技術(shù)門檻低，易于在基層醫(yī)院推廣，缺點(diǎn)是TCD的操作和解釋主觀變異性較大，診斷的可靠性仍不太理想。
后者CT/MR灌注成像的優(yōu)點(diǎn)，能準(zhǔn)確評(píng)估腦組織的氧合代謝情況，而缺點(diǎn)一方面是難以定量評(píng)估、設(shè)定截?cái)嘀?，另外一方面，也無法定位血管責(zé)任病變部位。
于是，劉新峰提出了由TOF-MRA（信號(hào)密度比）、QMRA（體積流率）、壓力導(dǎo)絲（血流分?jǐn)?shù)）、CFD（血流分?jǐn)?shù)）組成的腦血管“功能性狹窄”的評(píng)估新技術(shù)。
并詳細(xì)介紹了腦血管壓力導(dǎo)絲評(píng)估技術(shù)（頸動(dòng)脈系統(tǒng)）、CFD建模方式、CTA建模計(jì)算FFR等方法。以及對(duì)新的評(píng)估技術(shù)進(jìn)行展望：
1.基于壓力導(dǎo)絲評(píng)估腦血管狹窄的局限性
-壓力導(dǎo)絲技術(shù)的推廣
-建立壓力導(dǎo)絲技術(shù)規(guī)范
-確立能夠有效反映腦血管狹窄本質(zhì)的血流動(dòng)力學(xué)參數(shù)及其參考值
2.基于CFD、影像學(xué)與人工智能輔助的功能性腦血管狹窄評(píng)估技術(shù)應(yīng)用于 CTA/MRA/DSA/OCT，避免有創(chuàng)性。
MICCAI 2019大會(huì)主席沈定剛
下午環(huán)節(jié)，MICCAI 2019大會(huì)主席、北卡大學(xué)教授沈定剛為聽眾帶來了題為《Learning Brain Functional Networks for Mental Disorder Diagnosis》的演講。
沈教授是學(xué)術(shù)界最早將深度學(xué)習(xí)應(yīng)用于醫(yī)學(xué)影像領(lǐng)域的科學(xué)家之一，從事醫(yī)學(xué)影像分析、計(jì)算機(jī)視覺與模式識(shí)別等領(lǐng)域的研究20多年，目前擔(dān)任聯(lián)影智能聯(lián)席CEO。
在演講中，沈定剛主要分享了用于精神障礙診斷的大腦功能網(wǎng)絡(luò)的方法。
他首先介紹了團(tuán)隊(duì)在幾年前研發(fā)的High-Order Functional Connectivity，可實(shí)現(xiàn)多層次動(dòng)態(tài)腦網(wǎng)絡(luò)的重構(gòu)和分析，增加對(duì)精神障礙診斷的敏感度和分類精度。
隨后，沈定剛教授講述了兩個(gè)重要方法：基于卷積神經(jīng)網(wǎng)絡(luò)的靜態(tài)和動(dòng)態(tài)網(wǎng)絡(luò)學(xué)習(xí)、動(dòng)態(tài)腦網(wǎng)絡(luò)遞歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。同時(shí)，他們團(tuán)隊(duì)也把近些年研究出來的方法做成工具包，用于基于大腦網(wǎng)絡(luò)的疾病診斷。該工具包擁有先進(jìn)的大腦網(wǎng)絡(luò)重建、基于腦網(wǎng)絡(luò)的疾病分類，軟件簡(jiǎn)潔實(shí)用。
作為今年MICCAI的大會(huì)主席，沈定剛教授在演講最后簡(jiǎn)要介紹了即將開幕的深圳MICCAI 2019，今年的論文收錄情況，相比于2018年增加了50%，各方面的數(shù)據(jù)相較以往均有著不錯(cuò)的提升。（近期，雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))將發(fā)布沈定剛教授與MICCAI創(chuàng)始主席James Duncan教授的專訪文，敬請(qǐng)期待）
香港浸會(huì)大學(xué)、挪威卑爾根大學(xué)教授臺(tái)雪成
隨后，香港浸會(huì)大學(xué)、挪威卑爾根大學(xué)教授臺(tái)雪成發(fā)表了大會(huì)報(bào)告《Graph Models for High Dimensional Data and Deep Neural》。
在演講中，臺(tái)雪成的演講內(nèi)容從“以應(yīng)用數(shù)學(xué)的方法做神經(jīng)網(wǎng)絡(luò)“、”高維數(shù)據(jù)的分析“兩大方向展開講述。
臺(tái)雪成談到了一個(gè)非常重要的話題，即如何將空間正則化添加到CNN中？針對(duì)這一問題，他提出了兩種方法：一種是在損失函數(shù)中添加平滑正則項(xiàng)，其二是使用CRFs和類似的后處理技術(shù)。
最終，將空間正則化添加到CNN層后，其并未給計(jì)算帶來額外的困難，效果十分顯著。
平安科技美國東部研究院院長呂樂
下午第三位演講嘉賓為平安科技美國東部研究院院長呂樂博士，他的演講題目是《New Progresses in Preventive and Oncology Precision Imaging》。呂樂博士曾任美國國家衛(wèi)生研究院資深科學(xué)家、西門子研究院資深科學(xué)家；MICCAI、CVPR領(lǐng)域主席。
作為一名與臨床醫(yī)生共同研究項(xiàng)目多年的企業(yè)科學(xué)家，呂樂博士分享了最近自己團(tuán)隊(duì)的5篇重要論文，涵蓋了急診外科盆骨骨折輔助診斷、兒童X光肺炎識(shí)別、食道癌放療CTV分割等應(yīng)用，論文內(nèi)容不僅有前沿的理論研究，同時(shí)也涉及到了工程落地應(yīng)用。
以兒童X光肺炎識(shí)別為例，我們知道兒童的胸部X光數(shù)據(jù)往往比較少，而成人的數(shù)據(jù)量則巨大。因此，呂樂團(tuán)隊(duì)開始思考能否用成人的肺炎X片去訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)，然后再用這個(gè)網(wǎng)絡(luò)在兒童肺部數(shù)據(jù)上去做進(jìn)一步訓(xùn)練。
于是，他們團(tuán)隊(duì)進(jìn)行了三組試驗(yàn)，如果全部使用已有的少量?jī)和尾繑?shù)據(jù)去訓(xùn)練模型，模型在實(shí)際兒童病例中，AUC面積為0.9753，如果只用成人肺部數(shù)據(jù)模型，AUC為0.9160，而如果先用大量成人的數(shù)據(jù)做訓(xùn)練，隨后再用模型在兒童的數(shù)據(jù)集上做二次訓(xùn)練，最終表現(xiàn)可達(dá)到0.9851，性能提升較為顯著。
而這一背后的方法，則用到了面向任務(wù)的無監(jiān)督對(duì)抗網(wǎng)絡(luò)（TUNA-NET），該網(wǎng)絡(luò)分為四個(gè)部分，分別為：
1.合成逼真的 radio-realistic （一種合成的低劑量X圖像）
2.在遷移過程中，保留高維度的類特定語義上下文信息
3.將學(xué)習(xí)到的真實(shí)目標(biāo)域與合成目標(biāo)域相似的中層特征進(jìn)行正則化
4.同時(shí)優(yōu)化目標(biāo)函數(shù)，推廣到未標(biāo)記域
中科院計(jì)算所研究員周少華
隨后，中科院計(jì)算所研究員周少華教授發(fā)表了題為《Towards Creating a Knowledge’Gap for Deep Learning Based Medical Image Analysis》的演講。周少華博士曾任西門子研究院首席科學(xué)家和高級(jí)研發(fā)總監(jiān)，IEEE Trans. Medical Imaging and Medical Image Analysis編委會(huì)成員，多次MICCAI和CVPR會(huì)議的領(lǐng)域主席。目前他是MICCAI協(xié)會(huì)理事會(huì)成員，將出任MICCAI2020會(huì)議的程序共同主席。
“如何在深度學(xué)習(xí)的框架下，把醫(yī)學(xué)圖像分析做的更好？加入知識(shí)模型?！边@是周少華在演講開頭提出的觀點(diǎn)。
當(dāng)前深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域面臨的挑戰(zhàn)是，該領(lǐng)域?qū)︳敯粜砸蠓浅８?，?duì)識(shí)別要求非常準(zhǔn)確且速度快，同時(shí)有諸多長尾問題需要解決。
雖然深度學(xué)習(xí)存在的問題諸多，但也有著不少的機(jī)遇，一方面，整個(gè)行業(yè)的數(shù)據(jù)量越來越大；另一方面，醫(yī)學(xué)圖像中蘊(yùn)藏著豐富的知識(shí)如解剖機(jī)構(gòu)、成像原理等。他長期以來一直致力于推進(jìn)機(jī)器學(xué)習(xí)與知識(shí)模型結(jié)合的研究前沿。
周少華首先展示了他們團(tuán)隊(duì)在幾年前利用“機(jī)器學(xué)習(xí)+知識(shí)模型”做的一項(xiàng)研究：在影像中，把彎曲的肋骨展平的技術(shù)，使得醫(yī)生閱片速度提升一倍，準(zhǔn)確度也有著顯著的提升。
隨后，他重點(diǎn)介紹了深度學(xué)習(xí)與知識(shí)模型結(jié)合的原理與應(yīng)用。
周少華談到，深度學(xué)習(xí)的定義仁者見仁，相比而言，他更加認(rèn)同深度神經(jīng)網(wǎng)絡(luò)是“超級(jí)記憶體”這一說法。所以如果在深度學(xué)習(xí)基礎(chǔ)上，再加上知識(shí)模型，往往可以達(dá)到更好的性能。
為此，周少華團(tuán)隊(duì)做了這幾方面的研究：其一，在輸入端加入知識(shí)信息，實(shí)現(xiàn)合成輸入。其二，在輸出端加入知識(shí)信息，找到輸出變量的有效表達(dá)，或在輸出變量里加入先驗(yàn)知識(shí)和多任務(wù)學(xué)習(xí)。第三，在算法中嵌入知識(shí)，從而演化出U2-NET（多任務(wù)通用U-NET）、Self-inverse Network（自逆網(wǎng)絡(luò)）、DuDoNet（dual-domain雙源網(wǎng)絡(luò)）等算法。
中國食品藥品檢定研究院任海萍
大會(huì)的最后一個(gè)演講聚焦于醫(yī)療人工智能產(chǎn)品的審批。從去年下半年開始，醫(yī)療人工智能相關(guān)的政策和審批要點(diǎn)不斷公布，更多的人工智能產(chǎn)品在臨床驗(yàn)證上不斷取得突破。值此之際，中國食品藥品檢定研究院任海萍主任發(fā)表了《醫(yī)療人工智能質(zhì)量評(píng)估的趨勢(shì)》的演講。
任海萍博士指出，當(dāng)前醫(yī)療人工智能治療評(píng)估擬解決的關(guān)鍵點(diǎn)有“數(shù)據(jù)集如何描述（用戶需求）、數(shù)據(jù)集質(zhì)量要素如何明確（生產(chǎn)方需求），數(shù)據(jù)集如何評(píng)價(jià)（監(jiān)管方需求）”這三大問題。
隨后她重點(diǎn)談到了AI產(chǎn)品性能檢驗(yàn)的幾個(gè)維度，其中包含了主要風(fēng)險(xiǎn)（漏診、誤診、過擬合等）、性能檢驗(yàn)（在第三方數(shù)據(jù)集上進(jìn)行算法測(cè)試 、常見指標(biāo)：靈敏度、特異性、AUC、F-score、精確度、召回率），性能確認(rèn)（臨床試驗(yàn)）。
最后，她對(duì)當(dāng)前的質(zhì)量評(píng)估做出了四點(diǎn)總結(jié)：
1.我國人工智能醫(yī)療器械標(biāo)準(zhǔn)化工作步入正軌
2.質(zhì)量評(píng)價(jià)工作向前瞻性、低成本方向發(fā)展
3.AIMDI臨床使用階段的質(zhì)量評(píng)價(jià)工作應(yīng)同步發(fā)展
4.人工智能倫理對(duì)產(chǎn)品設(shè)計(jì)的影響值得審視
當(dāng)天的所有大會(huì)報(bào)告結(jié)束后，會(huì)議迎來了令人期待的“后深度學(xué)習(xí)時(shí)代的醫(yī)療人工智能”主題圓桌討論。
本次圓桌由中科院計(jì)算所研究員周少華教授主持，西安交通大學(xué)楊健教授、北卡大學(xué)沈定剛教授、紐約州立大學(xué)石溪分校教授梁正榮教授、平安科技美東研究院院長呂樂博士、飛圖影像董事長胡利榮、中山大學(xué)陸瑤教授以及東北大學(xué)趙大哲教授等人參與討論。
圓桌詳細(xì)內(nèi)容與大會(huì)主論壇第二日?qǐng)?bào)道，歡迎關(guān)注“AI掘金志”公眾號(hào)后續(xù)的推送。
圓桌觀點(diǎn)預(yù)告：
沈定剛：所有技術(shù)都是為實(shí)際問題服務(wù)，我們?cè)谧鲅芯繒r(shí)，首先要有問題，然后再找方法，而不是抱著一堆方法去找問題。將來深度學(xué)習(xí)一定不會(huì)像當(dāng)前這么熱，它不過是個(gè)工具，是種方法而已。年輕學(xué)者們?nèi)绻?0、30年來沉淀下來的傳統(tǒng)方法用好，往往比深度學(xué)習(xí)有效得多。如果把深度學(xué)習(xí)+傳統(tǒng)方法融合好，它所發(fā)揮的價(jià)值更是無窮的。
